theo 盲测六模型读代码：Gemini 4 Argon 得 3.95 分，51% 断言为假

theo · x · 2026-10-15

T3 Code 的 theo 发布一项模型架构理解盲测：让六个模型对同一 commit 做只读架构审计，由 4 个评委按 8 项加权标准打分并核对断言真伪。结果 Claude Opus 5.5 以 8.40 分居首（假断言率仅 5%），Sonnet 5.5 得 7.88，GPT-6.1 Sol 与 GPT-6 Astra 分别 7.66、7.11，Meta Muse Wonder Full 7.04；而 Gemini 4 Argon 即使开到最高 effort 仅得 3.95，92 项断言中 47 项为假（51%）。theo 据此称 Gemini 4 Argon 在其真实代码库中「完全不可用」，会严重幻觉系统运作方式。